一种行为识别方法、装置、终端设备及介质制造方法及图纸

本申请适用于人体行为识别技术领域，提供了一种行为识别方法、装置、终端设备及介质，通过获取训练数据；构建初始行为识别网络模型，并利用训练数据对其训练，得到中间行为识别网络模型；根据真实标签，对微多普勒数据进行划分，得到多个类簇中心；利用特征提取器提取第二环境中待识别行为的特征表示，并根据特征表示和类簇中心，得到其伪标签；根据类簇中心和伪标签，构建特征分布损失函数；利用待识别行为的互信息，构建冗余损失函数；根据特征分布损失函数和冗余损失函数，对中间行为识别网络模型进行反向传播，得到最终行为识别网络模型；利用最终行为识别网络模型识别待识别行为。本申请能提高跨环境时行为识别的准确度。本申请能提高跨环境时行为识别的准确度。本申请能提高跨环境时行为识别的准确度。

【技术实现步骤摘要】
一种行为识别方法、装置、终端设备及介质


[0001]本申请属于人体行为识别
，尤其涉及一种行为识别方法、装置、终端设备及介质。

技术介绍

[0002]人体行为识别技术可以通过对人体动作、姿态、表情等特征的分析和识别，来推断人的行为意图和情感状态，在智能家居、智能安防、智能医疗、虚拟现实等领域都有所研究。主流的人体行为识别使用的数据包括采集自摄像头、惯性传感器和雷达设备的数据。其中，毫米波雷达（millimeter
‑
wave radar）是一种毫米波频段（30
‑
300 GHz）的无线电设备，其精度适合于识别人体大小物体的动作识别和定位。相比于摄像头和惯性传感器，毫米波雷达分别具有全天候和全天时工作的优势。在过去的几十年里，研究者们已经在毫米波雷达识别人体行为方面取得了一系列的研究成果。例如，可以利用毫米波雷达技术监测人体的呼吸、心跳、姿态等生理特征，并将其用于健康监测和疾病诊断。同时，毫米波雷达技术还可以用于监测人体的动作，例如跑步、散步、跳跃等，实现对人体行为的实时识别和跟踪。<br/>[0003]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种行为识别方法，其特征在于，包括：获取训练数据；所述训练数据包括第一环境中的已识别行为信息对应的微多普勒数据；所述已识别行为信息包括行为和所述行为对应的真实标签；构建初始行为识别网络模型，并利用所述训练数据对所述初始行为识别网络模型进行训练，得到中间行为识别网络模型；所述行为识别网络模型包括用于提取行为的特征表示的特征提取器和用于根据所述特征表示对行为进行分类的分类器；根据所述真实标签，对所述微多普勒数据进行类簇划分，得到多个类簇中心；利用所述特征提取器提取第二环境中待识别行为的特征表示，并根据所述特征表示和所述多个类簇中心，得到所述待识别行为的伪标签；根据所述多个类簇中心和所述伪标签，构建所述待识别行为对应的特征分布损失函数；利用所述待识别行为的互信息，构建所述特征表示对应的冗余损失函数；根据所述特征分布损失函数和所述冗余损失函数，对所述中间行为识别网络模型进行反向传播，得到最终行为识别网络模型；利用所述最终行为识别网络模型对所述待识别行为进行识别。2.根据权利要求1所述的行为识别方法，其特征在于，所述第一环境和所述第二环境之间雷达电磁波的背景噪声不同。3.根据权利要求1所述的行为识别方法，其特征在于，所述利用所述训练数据对所述初始行为识别网络模型进行训练，得到中间行为识别网络模型，包括：利用所述初始行为识别网络模型对所述训练数据进行识别，得到所述训练数据对应的伪标签；根据所述训练数据对应的真实标签和所述伪标签，构建标签平滑损失函数，并利用所述标签平滑损失函数对所述初始行为识别网络模型进行反向传播，得到所述中间行为识别网络模型。4.根据权利要求1所述的行为识别方法，其特征在于，所述根据所述特征表示和所述多个类簇中心，得到所述待识别行为的伪标签，包括：通过计算公式得到所述待识别行为的伪标签；其中，表示第个待识别行为的伪标签，，表示待识别行为的总数量，表示第个待识别行为的特征表示，表示第个类簇中心，，表示类簇中心的总数量，表示向量的L2范数。5.根据权利要求4所述的行为识别方法，其特征在于，所述特征分布损失函数的表达式如下：
其中，表示待识别行为对应的特征分布损失值，表示逻辑函数，。6.根据权利要求5所述的行为识别...

【专利技术属性】
技术研发人员：刘锦，曾德蛟，王建新，
申请(专利权)人：中南大学，
类型：发明
国别省市：